Java后端转AI工程路线图系列导航6个月全脱产学习计划含完整代码验收标准本系列共 4 篇文章完整覆盖从 Java Tech Lead 到 Java AI 复合型工程师的转型路径。全脱产节奏每天 6-8 小时6 个月完成。建议按顺序阅读每篇都能独立消化。这个系列解决什么问题如果你是一个工作 3-8 年的 Java 后端正在考虑往 AI 方向转型大概率遇到这些困境AI 资料太多不知道从哪下手学了理论不知道怎么落地到 Java 项目里不知道该学多深——是调 API 就行还是得懂微调学了一堆面试讲不出东西这个系列给你一条有明确验收标准的路径。不是推荐几本书而是每个阶段学什么、做什么项目、达到什么标准才算过。系列结构篇目内容周期核心产出第一篇AI入门篇AI基础 Spring AI LoRA微调第1月命令行AI工具 Spring AI API 微调实验报告第二篇AI深化篇RAG Agent 模型部署 可观测性第2-3月RAG系统 Agent Demo 私有模型服务第三篇AI中台架构篇AI中台项目 DDD 架构工具书第3-4月完整AI中台系统 架构知识体系第四篇输出收尾篇K8s部署 作品集 面试准备第5-6月GitHub作品集 技术文章 面试弹药每篇发布后链接会在此处补全建议收藏本页。第一篇AI入门篇覆盖内容总体规划时间线、阶段概览、并行原则执行说明每日节奏、完成标准、卡住规则、项目目录结构环境准备Docker Compose 一键搭建全部中间件AI 基础速通5天Token / Embedding / Attention / API 调用Spring AI 核心2周ChatClient / Function Calling / ChatMemory / SSE 流式LoRA 微调实战2周数据准备 / LLaMA-Factory 训练 / 前后对比验证适合谁有 Java 基础、AI 零基础或只知道调 API 的后端工程师。读完后你能用 Spring AI 搭一个带工具调用的对话 API独立完成一次 LoRA 微调实验。第二篇AI深化篇覆盖内容RAG 架构2周文档加载 → 切分 → 向量化 → 检索 → 生成含混合检索和评测Agent 开发2周ReAct 模式、多工具协作、生产加固步数限制/超时/权限控制模型私有化部署Ollama / vLLM / GGUF 量化可观测性与评估Langfuse / OpenTelemetry / 评测集构建架构按需补策略做什么 AI 项目补什么架构知识适合谁已经会用 Spring AI 调 API想深入 RAG 和 Agent 的后端工程师。读完后你能从零搭一套 RAG 知识库问答系统写一个多工具协作的 Agent在本地部署开源模型。第三篇AI中台架构篇覆盖内容AI中台综合项目项目场景选择、验收标准、技术栈DDD 系统设计精要限界上下文、聚合设计、容量估算、ADR 决策记录完整架构工具书JVM / JUC / 微服务 / MySQL / Redis / MQ / DDD适合谁前两篇技能已掌握需要一个完整项目来整合所有能力的工程师。读完后你能交付一个含 RAG Agent 模型服务 可观测 评测的完整 AI 中台系统。第四篇输出收尾篇覆盖内容K8s 基础 容器化部署把 AI 中台部署到 K8s含探针/滚动更新/HPA技术输出GitHub 作品集、技术文章、团队分享里程碑检查清单4 个阶段的全部完成标准全量学习资料清单AI 主线 架构工具书全部资料索引适合谁AI 中台项目已完成需要包装成果、准备面试的工程师。读完后你能把项目部署到 K8s有一套完整的技术作品集面试时有东西可讲。阅读建议按顺序读每篇的技能是下一篇的前置依赖跳着读会踩坑边读边做每篇都有动手项目不要只看不写代码用验收标准自我检查每篇末尾有检查清单做完勾掉才算过遇到问题查工具书第三篇附了完整的架构工具书JVM/JUC/微服务/MySQL/Redis/MQ不是让你从头学是遇到具体问题时查对应章节关于作者Java 后端工程师坐标西安。正在全职执行这份计划的第 1 个月。写这个系列不是因为我是 AI 专家——恰恰相反我是一名正在转型的后端工程师。正因为自己踩过不知道该学什么、怎么学、学多深的坑才把这条路径整理出来。下一篇第一篇AI入门篇 —— 从零搭建 Spring AI 对话 API LoRA 微调实战建议收藏本导航页系列全部发布后所有链接会补全。